申请/专利权人：临沂大学;山东现代物流科技产业研究院有限公司

申请日：2023-12-28

公开（公告）日：2024-04-02

公开（公告）号：CN117812603A

主分类号：H04W16/22

分类号：H04W16/22;H04W24/02;H04W28/06;H04W72/53;H04W72/50;G06F9/48;G06N3/084

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.19#实质审查的生效;2024.04.02#公开

摘要：本发明公开的属于雾计算任务迁移决策方法技术领域，具体为一种终端设备移动场景下的计算任务迁移决策方法，包括以下步骤：将终端设备产生的任务构建为一个有向无环图,构建以最小化时延为目标的工作流任务分配优化模型；在终端设备移动到敏感区域或边缘区域时，为保持终端设备移动过程中保持任务的连续性，根据当前所有计算节点的计算资源和任务的迁移成本等指标设计任务迁移决策机制；基于DQN算法与任务迁移决策机制的任务分配方法进行决策优化，本方法将任务迁移决策机制与DQN算法相结合用于寻找最优的任务分配策略，在终端设备移动场景下实现了计算任务迁移的良好效果。

主权项：1.一种终端设备移动场景下的计算任务迁移决策方法，其特征在于：包括以下步骤：S1:将终端设备产生的任务构建为一个有向无环图,构建以最小化时延为目标的工作流任务分配优化模型；S2:设置基于任务迁移决策机制的的任务分配方法：当任务卸载至雾节点j执行时，此时移动出现两种情况：若移动终端的位置进入至雾节点j与雾节点j+1的公共区域Aj,j+1时，启用第一任务迁移决策算法；若移动终端的位置进入至雾节点j的危险区域Aedge时，启用第二任务迁移决策算法；S3:基于DQN算法与任务迁移决策机制的的任务分配方法进行决策优化，具体为：S31:初始化一个神经网络，将状态S作为神经网络的输入，将所有动作对应的Q值作为神经网络的输出；S32:利用当前的状态和神经网络使用ε-greedy策略选择一个动作，在执行动作的过程中判断该动作是否会导致任务中断，如果是则启用任务迁移决策机制，更新动作与状态信息，随后观察奖励并且进入下一个状态，将当前的状态、动作、奖励以及下一个状态存入到经验回放记忆池中；S33:进行网络训练，在经验回放池中随机选取样本，计算目标Q值，采用损失函数计算当前状态下采取各个动作的损失，使用梯度下降算法更新深度神经网络的权重，以最小化损失函数；S34:一直重复上述过程，直至达到预定的训练次数，或者达到预定的性能要求。

全文数据：

权利要求：

百度查询： 临沂大学;山东现代物流科技产业研究院有限公司 一种终端设备移动场景下的计算任务迁移决策方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD